移动机器人仿真：基于Webots软件的分析 课件3-3-线段特征地图创建方法

第3讲地图创建直线/线段地图创建方法目录基于非视觉类传感器的直线/线段特征提取基于视觉类传感器的直线/线段特征提取目录基于非视觉类传感器的直线/线段特征提取基于视觉类传感器的直线/线段特征提取基于非视觉类传感器的直线/线段特征提取传感器测距仪：超声波、激光基于非视觉类传感器的直线/线段特征提取

摘自中国大学MOOC《自主移动机器人》-浙江大学基于非视觉类传感器的直线/线段特征提取直线/线段的参数以全局坐标系为基准进行存储传感器原始数据以传感器坐标系为基准坐标变换：全局坐标系、机器人坐标系、传感器坐标系为简化问题复杂性，将机器人坐标系和传感器坐标系合并基于非视觉类传感器的直线/线段特征提取RANSACRANSAC(RAndomSAmple

Consensus)针对噪声数据，RANSAC是一种很有效的模型拟合方法可以用于直线拟合（2D/3D)，也适用于从噪声数据中提取模型参数的问题，如摄像机标定迭代法：找出一组无噪声的数据集用于提取参数需要很多步迭代缺点：每次迭代的结果可能不同参考文章M.

A.Fischler

and

R.

C.Bolles.

Random

sample

consensus:

A

paradigm

for

model

fitting

with

applicatlons

to

image

analysis

andautomated

cartography.

Graphics

and

Image

Processing,

24(6):381–395,

1981.RANSACSelectsampleof2pointsatrandom|RANSACSelect

sample

of

2

points

atrandomCalculatemodelparametersthatfitthedatainthe

sampleRANSACSelect

sample

of

2

points

atrandomCalculatemodel

parametersthatfitthedatainthe

sampleCalculateerrorfunction

foreachdata

pointRANSACSelect

sample

of

2

points

atrandomCalculatemodel

parametersthatfitthedatainthe

sampleCalculateerrorfunctionfor

eachdata

pointSelectdatathat

supportscurrent

hypothesisRANSACSelect

sample

of

2

points

atrandomCalculatemodel

parametersthatfitthedatainthe

sampleCalculateerrorfunctionfor

eachdata

pointSelectdatathat

supportscurrent

hypothesisRepeatsamplingRANSACSelect

sample

of

2

points

atrandomCalculatemodel

parametersthatfitthedatainthe

sampleCalculateerrorfunctionfor

eachdata

pointSelectdatathat

supportscurrent

hypothesisRepeatsamplingRANSACSetwiththemaximumnumberofinliersobtainedafterk

iterations需要多少步迭代？理想：在含有N个点的数据集中，所有2个点的组合N↑，迭代次数非常巨大真的需要这么多次迭代吗？如果粗略估计有效数据在整个数据集中的占比，那么不需要可通过概率的方式实现减少迭代次数RANSACRANSAC

摘自中国大学MOOC《自主移动机器人》-浙江大学RANSAC摘自中国大学MOOC《自主移动机器人》-浙江大学Splitandmerge源于计算机视觉领域的一种常用直线提取算法以迭代的方式分割、拟合直线Algorithm1:Split-and-Merge

(standard)源于计算机视觉领域的一种常用直线提取算法以迭代的方式分割、拟合直线Algorithm1:Split-and-Merge

(standard)Algorithm2:Split-and-Merge(iterative

end-point-fit)Algorithm2:Split-and-Merge(iterative

end-point-fit)SplitAlgorithm2:Split-and-Merge(iterative

end-point-fit)SplitSplitSplitAlgorithm2:Split-and-Merge(iterative

end-point-fit)No

moreSplitsSplitSplitSplitAlgorithm2:Split-and-Merge(iterative

end-point-fit)MergeNo

moreSplitsSplitSplitSplit目录基于非视觉类传感器的直线/线段特征提取基于视觉类传感器的直线/线段特征提取基于视觉类传感器的直线/线段特征提取传感器摄像头传感器数据格式：图片彩色图灰度图深度图基于视觉类传感器的直线/线段特征提取图像数据是以图像坐标系为基准进行存储坐标变换：机器人坐标系、摄像机坐标系、图像坐标系为简化问题复杂性，将机器人坐标系和传感器坐标系合并摄像机传感器已经完成了摄像机坐标系与图像坐标系之间的变换基于视觉类传感器的直线/线段特征提取线段提取与边沿检测的区别边沿：在某一个方向上检测出灰度值的显著变化检测出的边沿有助于提取直线/线段霍夫变换（Hough-Transform）以投票的形式从边沿图像中找出直线/线段投票空间称作霍夫空间（Houghspace）霍夫变换（Hough-Transform）图像中的直线/线段在霍夫空间映射为一个点霍夫变换（Hough-Transform）令(x0,y0)为图片中的一个点，通过该点的所有直线可以表示为在霍夫空间中表示为霍夫变换（Hough-Transform）在图片中增加一个新点(x1,y1)，相应的表达式为在霍夫空间中表示为霍夫变换（Hough-Transform）在霍夫空间中怎样表示同时经过(x0,y0)和(x1,y1)的直线？是和的交点（b*，m*）霍夫变换（Hough-Transform）若霍夫空间以(b,m)表示会有什